CN110376343A - 污染源精准诊断方法、装置以及电子装置 - Google Patents
污染源精准诊断方法、装置以及电子装置 Download PDFInfo
- Publication number
- CN110376343A CN110376343A CN201910480740.2A CN201910480740A CN110376343A CN 110376343 A CN110376343 A CN 110376343A CN 201910480740 A CN201910480740 A CN 201910480740A CN 110376343 A CN110376343 A CN 110376343A
- Authority
- CN
- China
- Prior art keywords
- pollution sources
- polluted water
- water area
- pollution
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 122
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000005516 engineering process Methods 0.000 claims abstract description 46
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 238000003745 diagnosis Methods 0.000 claims abstract description 17
- 230000000155 isotopic effect Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 15
- 238000011835 investigation Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims description 12
- 244000005700 microbiome Species 0.000 claims description 9
- 241000894007 species Species 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 210000003470 mitochondria Anatomy 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000000862 absorption spectrum Methods 0.000 claims description 3
- 230000032258 transport Effects 0.000 claims 1
- 239000003344 environmental pollutant Substances 0.000 description 18
- 231100000719 pollutant Toxicity 0.000 description 18
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 9
- 239000007789 gas Substances 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 239000010865 sewage Substances 0.000 description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229910052757 nitrogen Inorganic materials 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 239000002957 persistent organic pollutant Substances 0.000 description 4
- 238000000746 purification Methods 0.000 description 4
- 239000000700 radioactive tracer Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000009395 breeding Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000002550 fecal effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 239000003643 water by type Substances 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 2
- LSDPWZHWYPCBBB-UHFFFAOYSA-N Methanethiol Chemical compound SC LSDPWZHWYPCBBB-UHFFFAOYSA-N 0.000 description 2
- 108020005196 Mitochondrial DNA Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000003905 agrochemical Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- LFYXNXGVLGKVCJ-FBIMIBRVSA-N 2-methylisoborneol Chemical compound C1C[C@@]2(C)[C@](C)(O)C[C@@H]1C2(C)C LFYXNXGVLGKVCJ-FBIMIBRVSA-N 0.000 description 1
- LFYXNXGVLGKVCJ-UHFFFAOYSA-N 2-methylisoborneol Natural products C1CC2(C)C(C)(O)CC1C2(C)C LFYXNXGVLGKVCJ-UHFFFAOYSA-N 0.000 description 1
- 241000186046 Actinomyces Species 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 108020004414 DNA Proteins 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000709661 Enterovirus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 108091092878 Microsatellite Proteins 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 241001365789 Oenanthe crocata Species 0.000 description 1
- 238000012408 PCR amplification Methods 0.000 description 1
- 238000011529 RT qPCR Methods 0.000 description 1
- 206010051820 Sordes Diseases 0.000 description 1
- 241001062472 Stokellia anisodon Species 0.000 description 1
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 150000001409 amidines Chemical class 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- DTGKSKDOIYIVQL-UHFFFAOYSA-N dl-isoborneol Natural products C1CC2(C)C(O)CC1C2(C)C DTGKSKDOIYIVQL-UHFFFAOYSA-N 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 238000010369 molecular cloning Methods 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000013612 plasmid Substances 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000007859 qualitative PCR Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 241001148471 unidentified anaerobic bacterium Species 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1826—Organic contamination in water
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明实施例涉及一种污染源精准诊断方法、装置以及电子装置。其中，该方法包括：根据受污染水域的图像确定受污染水域的污染源的分布范围；根据受污染水域的气味信息确定污染源的类型；获取污染源的当前运行状态以及历史变化情况；根据污染源的分布范围、类型、当前运行状态以及历史变化情况对污染源进行诊断。本发明解决了由于相关技术中污染源诊断过程中技术手段单一，工作量大、成本高、效率低的技术问题。
Description
技术领域
本发明涉及环境保护领域，具体涉及一种污染源精准诊断方法、装置以及电子装置。
背景技术
污染源是指造成环境污染的污染物发生源，通常指向环境排放有害物质或对环境产生有害影响的场所、设备、装置或人体。任何以不适当的浓度，数量，速度，形态和途径进入环境系统并对环境产生污染或破坏的物质或能量，统称为污染物。可分为天然污染源、大气污染源、人为污染源、工业污染源等。
以黑臭水体为例，水体黑臭的主要原因是水体自净能力降低，有机污染物排入水体，微生物好氧分解使水体中耗氧速率大于复氧速率，溶解氧逐渐被消耗殆尽，造成水体缺氧，在缺氧水体中，有机污染物被厌氧分解，产生不同类型的黑臭类物质，呈现水体黑臭，有些黑臭物质阈值很低，微量即可产生强烈黑臭。因此，黑臭的主要原因是有机污染物过量排入水体，使溶解氧降低。
导致水体黑臭的污染源有，点源污染：排放口直排污废水，合流制管道雨季溢流、分流制雨水管道初期雨水或旱流水，非常规水源补水等；面源污染：降水所携带的污染负荷、城乡结合部地区分散式畜禽养殖废水的污染等；内源污染：底泥污染、生物体污染、悬浮物、岸边垃圾、藻类等；其他污染：城镇污水厂超标排放水、工业企业事故排放等。
黑臭水体污染众多，污染源复杂，难识别。传统的黑臭水体识别诊断基本依靠实地调查、人为评价，这样的调查方法虽然直接，但是需要耗费大量的人力和时间成本，且评价结果具有很强的主观性，可能存在误报或漏报的情况，从而使后期黑臭水体的治理投入大、见效慢。
随着遥感、全球卫星定位系统、地理信息系统等技术的迅速发展，依靠水体的光谱特性、色度指标对黑臭水体进行识别和分级已成为一种很具有竞争力的黑臭水体诊断技术。曹红业等分别通过对重度、轻度和一般水体固有的光学量、表观光学量和水质参数等参数特性进行差异分析，提出了一种基于实测遥感反射率的黑臭水体识别方法，可有效区分重度、轻度黑臭水体和一般水体。然而单独采用这种卫星遥感解译技术来确定污染源，仍然存在精准度低、分辨率的限制而出现识别困难问题。
目前虽然有对黑臭水体进行溶解氧、臭阈值、透明度和色度等指标的测量，来作为黑臭水体质量考量，但并没有根据其微生物、繁殖条件、发臭物质、嗅觉阈值等条件，对污染源来源及分布进行进一步的定位。
常规的河道污染物确定一般是依靠实地调查，取样检测后通过试验指标进行判断，并配合污染源调查和排污系数法。随着目前更多示踪剂技术的发展，对于黑臭河道中污染源的来源有了更好的解析方法，如示踪剂可以是洗衣液中的特有化合物，肥料中的特殊成分，又或者是DNA片段。在这些手段中，同位素溯源技术和生物溯源技术显示出了良好的潜力。这种通过示踪剂进行的污染源溯源手段可以更加客观的描述衡量水体的污染情况。然而在没有定位污染源和实际了解调查前直接使用此方法，存在元素同位素难选择、工作量大、成本高、效率低、精准度低等缺点。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种污染源精准诊断、装置及存储介质，以至少解决由于相关技术中污染源诊断过程中技术手段单一，工作量大、成本高、效率低的技术问题。
根据本发明实施例的一个方面，提供了一种污染源精准诊断方法，包括：根据受污染水域的图像确定所述受污染水域的污染源的分布范围；根据所述受污染水域的气味信息确定所述污染源的类型；获取所述污染源的当前运行状态以及历史变化情况；根据所述污染源的分布范围、类型、当前运行状态以及历史变化情况对所述污染源进行诊断。
进一步地，根据受污染水域的图像确定所述受污染水域的污染源的分布范围包括：采集所述受污染水域的图像；根据所述图像确定所述污染源的分布范围。
进一步地，采集所述受污染水域的图像包括以下至少之一：基于卫星遥感拍照解译采集所述受污染水域的分布图像；基于无人机拍照采集所述受污染水域的分布图像；基于水下航潜器采集所述受污染水域的水底图像。
进一步地，根据所述受污染水域的气味信息确定所述污染源的类型包括：确定所述受污染水域中的微生物种类；确定所述受污染水域中微生物的繁殖条件；确定所述受污染水域的发臭物质；根据所述微生物种类、繁殖条件、发臭物质以及预设的嗅觉阈值确定所述污染源的类型。
进一步地，根据所述受污染水域的气味信息确定所述污染源的类型包括：通过气体探测技术确定所述受污染水域的气味信息，其中，所述气体探测技术包括以下至少之一：光学法、传感器分析法、气体探测管法、遥感探测、激光吸收光谱。
进一步地，获取所述污染源的当前运行状态以及历史变化情况包括：判断所述受污染水域在预设时间内是否存在所述污染源；若是，则确定所述污染源的污染发生时间、污染源参数、治理方式以及环境状态；若否，则确定所述受污染水域的预设距离范围内的居民环境变化状况。
进一步地，根据所述污染源的分布范围、类型、当前运行状态对所述污染源进行诊断包括：通过同位素溯源技术对所述污染源进行诊断，其中，所述同位素溯源技术包括以下至少之一：同位素溯源、线粒体溯源、光谱指纹信息识别法。
进一步地，根据所述污染源的分布范围、类型、当前运行状态对所述污染源进行诊断包括：通过实际调查法对所述污染源模型中的污染源进行诊断，其中，所述实际调查法包括以下至少之一：污染源调查法、排污系数法。
根据本发明实施例的另一方面，还提供了一种污染源精准诊断装置，包括：第一确定单元，用于根据受污染水域的图像确定所述受污染水域的污染源的分布范围；第二确定单元，用于根据所述受污染水域的气味信息确定所述污染源的类型；获取单元，用于获取所述污染源的当前运行状态以及历史变化情况；诊断单元，用于根据所述污染源的分布范围、类型、当前运行状态以及历史变化情况对所述污染源进行诊断
根据本发明实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器通过所述计算机程序执行如上所述的污染源精准诊断方法。
在本发明实施例中，通过受污染水域的图像以及气味信息来确定污染源的分布范围以及类型，获取污染源的当前运行状态以及历史变化情况，根据污染源的分布范围、类型、当前运行状态对污染源进行诊断，从而解决了由于相关技术中污染源诊断过程中技术手段单一，工作量大、成本高、效率低的技术问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种可选的污染源精准诊断方法的示意图；
图2是根据本发明实施例的又一种可选的污染源精准诊断方法的示意图；
图3是根据本发明实施例的一种可选的污染源精准诊断装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
实施例1
根据本发明实施例，提供了一种污染源精准诊断方法，如图1所示，该方法包括：
S102，根据受污染水域的图像确定受污染水域的污染源的分布范围；
S104，根据受污染水域的气味信息确定污染源的类型；
S106，获取污染源的当前运行状态以及历史变化情况；
S108，根据污染源的分布范围、类型、当前运行状态以及历史变化情况对污染源进行诊断。
在本实施例中的步骤S102中，通过受污染水域的图像确定污染源的分布范围，利用多种技术受污染水域的图像，例如卫星遥感解译技术、无人机的监测技术、水下航潜器技术、地下水的无扰动采样技术、基于WEB、GIS的污染源普查信息应用系统技术等。
然后在步骤S104中，根据获取的受污染水域的污染源范围以及污染源的初步评价结果，对污染源的气味信息展开检测，根据其微生物、繁殖条件、发臭物质、嗅觉阈值等条件，确定污染源的类型，其中污染的类型包括污染源的来源及分布。
其次，在步骤106中，根据污染源的分布范围、类型、当前运行状态对污染源进行诊断，主要获取污染源的历史变化情况以及目前运行状态，分析影响污染源变化的主要原因，确定污染源现状及存在的问题。
通过步骤S102～S106中确定的污染源分布范围、类型、当前运行状态以及历史变化情况对污染源进行诊断，在本实施例的步骤S108中，可以利用实际调查法、溯源技术确定主要污染源及氮、氧等同位素特征值，最终准确定位污染源，实现污染源靶向治理。
需要说明的是，在本实施例中，通过受污染水域的图像以及气味信息来确定污染源的分布范围以及类型，获取污染源的当前运行状态以及历史变化情况，根据污染源的分布范围、类型、当前运行状态对污染源进行诊断，从而解决了由于相关技术中污染源诊断过程中技术手段单一，工作量大、成本高、效率低的技术问题。
可选地，在本实施例中，根据受污染水域的图像确定受污染水域的污染源的分布范围包括但不限于：采集受污染水域的图像；根据图像确定污染源的分布范围。
具体的，采集受污染水域的图像可以通过多种技术，其中，利用多种技术受污染水域的图像，例如卫星遥感解译技术、无人机的监测技术、水下航潜器技术、地下水的无扰动采样技术、基于WEB、GIS的污染源普查信息应用系统技术等。
可选地，在本实施例中，采集受污染水域的图像包括以下至少之一：
1)基于卫星遥感拍照解译采集受污染水域的分布图像；
在具体的应用场景中，卫星遥感解译技术可表现出与正常水体不同的光谱反射曲线，通过一定的遥感数据后处理，可通过人工目视辨别出疑似的污染地区。与常规地区实地调查相比，卫星遥感解译技术具有空间和时间上的相对连续性，动态范围大，有利于从大尺度层面上把握黑臭水体特征，掌握黑臭水体演变迁移过程，可减少大量人力、物力和时间花费。
2)基于无人机拍照采集受污染水域的分布图像；
在具体的应用场景中，无人机具有质量轻、灵活性高、操作简单、影像分辨率高、时效性强、作业周期短、成本低等优点。且微小型无人机信息获取平台构建容易、运行和维护成本低，更有利于大规模应用，可作为一种常规的黑臭水体辅助监测手段。
3)基于水下航潜器采集受污染水域的水底图像。
在具体的应用场景中，水下航潜器可以通过侧扫声呐系统的两条反射弧可反射出海床上的物体形状，并经过计算机处理形成精确地河底地貌图像。在标准负载和3节航速下续航能力25小时；潜水深度达4500米。水下航潜器可以对水下排口进行全面无死角摸查，并统计反馈准确数据。特别适合污染严重和水下地貌复杂水域污染源的寻找分析。它集成水质标准数据库，能够在水面/水底进行自动巡游监测，发现污染物自动识别报警，自动采取水样等，真正实现无人快速准确巡游监测。航潜器系统集成CCTV影像分析技术，包括了影像传输与分析终端系统、手持观测操控分析系统以及AR影像导视观测设备，在不破坏水下生态原型的情况下，更好的掌控其综合状况，并准确分析，形成解决方案。
通过上述3种采集图像的方法，对受污染水域中污染源大致的估算，包括：污染源的类型和范围(黑臭水体、废渣或垃圾堆放场、工厂或生活排污口、农田径流和农业设施等的数量和面积)；绘制污染源的影像导视、地貌精准图像、污染面源及点源特征图等。
进一步地，基于WEB的信息数据采集系统，确保污染源普查数据的时效性和准确性，实现污染源数据动态管理与更新，有效解决在环境保护领域中存在的多源数据难以融合的瓶颈问题。GIS支持下污染源普查信息应用系统，采用数据库技术和面向对象遥感分析技术，实现遥感影像与环境信息的有机融合。
需要说明的是，在本实施例中，在获取到污染源的图像后，对污染源进行评价，即通过污染源单一评价方法、综合评价方法和经济技术评价法中的一种，确定污染源本身的特性(排放污染物的种类、性质、排放量、排放方式等)和环境的性质(背景值、自净能力、扩散条件)，从而进一步得到污染物的排放浓度、排放总量(体积或质量)，统计指标(检出率、超标倍数、标准差)等指标，来评价污染物和污染源的污染程度。污染程度越高说明污染源对流域的污染威胁越大，可以进一步确定污染源范围。
可选地，在本实施例中，根据受污染水域的气味信息确定污染源的类型包括但不限于：确定受污染水域中的微生物种类；确定受污染水域中微生物的繁殖条件；确定受污染水域的发臭物质；根据微生物种类、繁殖条件、发臭物质以及预设的嗅觉阈值确定污染源的类型。
在具体的应用场景中，依照步骤S102中确定污染源的分布范围，采集污染源分布范围内的气味信息，主要通过现场取样监测手段进行获取，其中微生物主要指：厌氧细菌、放线菌等；繁殖条件主要指：厌氧条件和好氧条件；发臭物质主要指：甲硫醇、氨、乔司脒、2-甲基异莰醇等；污染时嗅觉阈值主要在0.1-0.00001mg/L范围，阈值越低，臭味越大；阈值越高，臭味越小，通过此步骤确定嗅觉阈值低的地区范围。
在实际的应用场景中，污染地区难闻气味的评判，最直接的办法是进行现场调查，依靠人的观感和嗅觉去评判，但是这种方法很难进行量化和标准化，存在很大的主观性。因此，在本实施例中通过气体探测技术对污染地区释放的特征臭味气体进行检测，可以客观量化污染地区的臭味，还可以间接反映出污染地区发生的有机生化过程，对后续的治理提供一定的量化依据。
可选地，在本实施例中，根据受污染水域的气味信息确定污染源的类型包括但不限于：通过气体探测技术确定受污染水域的气味信息，其中，气体探测技术包括以下至少之一：光学法、传感器分析法、气体探测管法、遥感探测、激光吸收光谱。
可选地，在本实施例中，获取污染源的当前运行状态以及历史变化情况包括但不限于：判断受污染水域在预设时间内是否存在污染源；若是，则确定污染源的污染发生时间、污染源参数、治理方式以及环境状态；若否，则确定受污染水域的预设距离范围内的居民环境变化状况。
依据上述步骤S102～S104确定的污染源的分布范围及类型，获取污染源的当前运行状态以及历史变化情况。在一个具体的例子中，首先确定该污染源分布范围1-20年之内是否有污染；若有污染远存在则需确定污染源的出现时间、种类、性质、范围、程度、治理方式及程度、环境自净能力等，来确定污染源的历史变化情况；若之前不存在污染源则需确定周边工业、农业、居民生活的发展变化情况，重点确定排污口的数量和位置、农业措施的变化等。
可选地，在本实施例中，根据污染源的分布范围、类型、当前运行状态对污染源进行诊断包括但不限于：通过同位素溯源技术对污染源进行诊断，其中，同位素溯源技术包括以下至少之一：同位素溯源、线粒体溯源、光谱指纹信息识别法。
具体的，上述的实际调查法主要是指环保部的污染源调查法、排污系数法等，溯源技术主要是指同位素溯源、生物溯源(线粒体溯源)、光谱指纹信息识别法等。
本实施例中的同位素溯源技术可以反映出污染物的来源，以及污染源在被释放到环境中后所发生的变化。可灵活应用在无机污染物和有机污染物的探查上，常用的元素同位素，包括13C/12C、D/H、15N/14N等。
可选地，在本实施例中，根据污染源的分布范围、类型、当前运行状态对污染源进行诊断包括但不限于：通过实际调查法对污染源模型中的污染源进行诊断，其中，实际调查法包括以下至少之一：污染源调查法、排污系数法。
本实施例中的生物溯源技术对由生物来源的粪便污染的水体具有良好的鉴别能力。溯源探针可依据具有物种特异性的肠道细菌或肠道病毒或线粒体DNA序列来设计构建。并需构建指纹分析库，构建依据包括：生物肠道中细菌的抗性、形态，或PCR标志基因。将试验图谱与指纹分析库进行比对，来确定污染物的来源。
通过本实施例中，通过受污染水域的图像以及气味信息来确定污染源的分布范围以及类型，获取污染源的当前运行状态以及历史变化情况，根据污染源的分布范围、类型、当前运行状态对污染源进行诊断，从而解决了由于相关技术中污染源诊断过程中技术手段单一，工作量大、成本高、效率低的技术问题。
本实施例中的污染源精准诊断方法还具备以下有益效果：
本实施例中的方法适用于污染范围广且污染源难识别的污染流域时。
本实施例目的在于明确污染范围、成因、过程及驱动机制，该方法可以提高诊断效率，并实现从区域尺度到分子尺度全方位的精细化诊断，为精准靶向治理污染水体提供了技术支撑。
本实施例中步骤S102～S108紧密相连并环环相扣，每个步骤方法虽然可以单独使用或者组合使用，但是并不能对污染源进行精准的解析甚至会出现错误的判断。若缺少步骤102，因污染范围广，则不能定位污染源大致范围，后续工作则不能开展；若缺少步骤104，不能进一步缩小污染源的范围，将会造成后续工作量大、精准度降低；若缺少步骤106，将无法了解确定的污染源范围内的污染现状及存在的问题，将不能确定步骤108进行溯源的元素，无法精准诊断污染源；若缺少步骤108，无法对污染源进行溯源进而准确定位，甚至会造成污染源的误判。
以下结合具体的应用场景对本实施例的技术方案做进一步地说明，以下描述仅是一种示例，不会对本实施例中的技术方案产生任何限定。
以某运河为例，利用本发明提供的一种污染源综合诊断方法来确定该示范区主要的污染源，为后续的污染防治开发有针对性的技术，同时为环境规划和产业合理布局提供支撑。
如图2所示的流程图，步骤1，根据某运河流域实际情况，利用卫星遥感解译技术，在流域尺度内完成近些年的面源污染估算，并绘制面源污染特征图，从特征图中可以看出在某运河—A流域面源污染最为严重。利用无人机的监测技术，在A流域进行检测并形成图像，从图像可知A流域水体颜色发黑，并且东侧和北侧颜色较深，在A流域东侧可见排污口3个。
通过污染源单一评价方法，确定污染源本身的特性(排放污染物的种类为工业、农业和畜牧业污水排放、排放量为3000t/d、排放方式为管道排放)和环境的性质(该流域自净能力一般、扩散条件良好，周边水域流动性较大因此较容易扩散)，从而进一步得到污染物的排放浓度为78mg/L、排放总量为9万t，污染源的污染程度较高。污染程度越高说明污染源对流域的污染威胁越大。
步骤2，利用传感器分析法和气体探测管法相结合的方式，通过现场取样监测手段对步骤1确定的A流域东侧和北侧污染严重地区的臭味进行获取，微生物、繁殖条件、发臭物质、嗅觉阈值如下表，阈值越低，臭味越大；阈值越高，臭味越小，从表1中可知A流域东侧嗅觉阈值更低，相对的臭味越大，污染越严重。
表1
步骤3，了解步骤2定位的污染源历年变化情况及目前运行情况，分析影响污染源变化的主要原因，确定污染源现状及存在的问题，进一步确定治理的重点和难点。
A流域位于某湖的西北部，是某湖上游来水的主要湖区。A流域是浅水湖泊，水深2.3m左右，南北15km左右，东西最长处10.2km左右，东西最窄处5.1km左右，是众多河流入射湖湾的流域。
A流域某运河网河地区是全国经济发达地区，其社会经济发展在全国具有重要的先导和引擎作用。其水系发达，水环境容量有限，是某湖北部污染最严重、恶化速率最快的湖湾之一。A流域近十年“湖泛”灾害频发。
步骤3中所述了解步骤2定位的污染源历年变化情况及目前运行情况，首先确定该范围1-20年之内是否有污染；若有污染则需确定污染的时间、种类、性质、范围、程度、治理方式及程度、环境自净能力等，来确定污染变化情况；若之前无污染则需确定周边工业、农业、居民生活的发展变化情况，重点确定排污口的数量和位置、农业措施的变化等。
(1)某运河网河区涉及到运河主干、各支流、港航道、市界河流等，各站位水文条件各异，污染物的排放、迁移、扩散、转化等，也表现为很多的差异性；(2)网河区以TN污染为主，超标率100％，污染比较严重的是某运河主干，越往下游，TN污染越严重，是网河区污染累积的结果。但也存在NH3－N、TP污染，最大超标率分别为：81％、75％；TP污染严重的有某桥河站位、某港入湖河口、分水东、大桥、运村等；(3)某运河是平原网河区，河底坡降小，大部分流向A流域，也有流向北方，有些站位流向常反向变化，还出现滞留。流速的变化范围：0～0.46m/s，流速较大的区域是某运河主干的两端；(4)各站位的污染指标、污染程度等也存在着差异性，跟水动力(流速)、断面形态、该区域的点源、面源污染等有关，污染物的迁移、扩散、转化等在时间、空间上表现为多样性。根据较长时间尺度的某运河网河区资料，对水环境质量变化过程进行分析。某运河主干水质长时间序列分析(十年尺度)分析表明，TN浓度总体呈现降的趋势，但最近有上升的趋势，超标频率100％。2007、2012、2017年的最大值分别为18.30，5.13，8.42mg/L，最大超标倍数分别为：11.2，2.42，4.6倍。NH3-N的变换规律同TN，2007，2012，2017年的最大值分别为14.40，2.84，4.31mg/L，最大超标倍数分别为：8.6、0.89、1.87倍。TP浓度也呈现下降的趋势，2007，2012，2017年最大值分别为0.571，0.522，0.436mg/L，最大超标倍数分别为0.90，0.74，0.45倍。
步骤4，根据步骤3了解的信息，利用营养物污染同位素溯源法及生物溯源法对污染地区进行解析，准确定位污染源，实现污染源靶向治理。
采集与分析某运河流域氮、氧同位素分布特征，确定某运河-A流域周边几种主要污染源及其氮、氧同位素特征值，分别为城镇及农村生活污水面源、农业化肥面源、大气降水面源。
将生活污水、农业化肥和生活污水、雨水以及土壤作为硝酸盐氮的来源端元，并依据其同位素特征值构成端元混合模型，并且结合实际情况筛选重要端元进行应用，计算出不同来源在自然水体中所占的比例。
并对某运河随水流方向氮污染源比例变化，及某运河整体氮污染源来源比例进行估算。
同时开展生物溯源技术分子生物学研究，通过对不同种粪便样品提取及检测、PCR引物设计、PCR扩增、分子克隆和质粒提取，建立定性PCR和实时定量PCR方法。建立并优化线粒体示踪定性溯源技术方法。
微生物和线粒体DNA溯源方法能够在生物种属级别上针对不同粪便污染进行更加精确的溯源，可以作为同位素溯源的补充，并且在一定程度上验证同位素溯源的结果。微生物溯源法应用于某运河流域进行解析，某运河大部分采样点均受到猪粪污染。在畜禽养殖业中，生猪养殖废水对营养物贡献较大，且其污染程度时空变化大。因此某运河-A流域主要的污染源是生猪养殖废水，后续的治理应该着重于该污染的治理。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述污染源精准诊断方法的污染源精准诊断装置，如图3所示，该装置包括：
1)第一确定单元30，用于根据受污染水域的图像确定所述受污染水域的污染源的分布范围；
2)第二确定单元32，用于根据所述受污染水域的气味信息确定所述污染源的类型；
3)获取单元34，用于获取所述污染源的当前运行状态以及历史变化情况；
4)诊断单元36，用于根据所述污染源的分布范围、类型、当前运行状态以及历史变化情况对所述污染源进行诊断。
可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。
实施例3
根据本发明实施例，还提供了一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器通过所述计算机程序执行如上所述的污染源精准诊断方法。
可选地，在本实施例中，存储器被设置为存储用于执行以下步骤的程序代码：
S1，根据受污染水域的图像确定所述受污染水域的污染源的分布范围；
S2，根据所述受污染水域的气味信息确定所述污染源的类型；
S3，获取所述污染源的当前运行状态以及历史变化情况；
S4，根据所述污染源的分布范围、类型、当前运行状态对所述污染源进行诊断。
可选地，在本实施例中，上述存储器可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种污染源精准诊断方法，其特征在于，包括：
根据受污染水域的图像确定所述受污染水域的污染源的分布范围；
根据所述受污染水域的气味信息确定所述污染源的类型；
获取所述污染源的当前运行状态以及历史变化情况；
根据所述污染源的分布范围、类型、当前运行状态以及历史变化情况对所述污染源进行诊断。
2.根据权利要求1所述的方法，其特征在于，根据受污染水域的图像确定所述受污染水域的污染源的分布范围包括：
采集所述受污染水域的图像；
根据所述图像确定所述污染源的分布范围。
3.根据权利要求2所述的方法，其特征在于，采集所述受污染水域的图像包括以下至少之一：
基于卫星遥感拍照解译采集所述受污染水域的分布图像；
基于无人机拍照采集所述受污染水域的分布图像；
基于水下航潜器采集所述受污染水域的水底图像。
4.根据权利要求1所述的方法，其特征在于，根据所述受污染水域的气味信息确定所述污染源的类型包括：
确定所述受污染水域中的微生物种类；
确定所述受污染水域中微生物的繁殖条件；
确定所述受污染水域的发臭物质；
根据所述微生物种类、繁殖条件、发臭物质以及预设的嗅觉阈值确定所述污染源的类型。
5.根据权利要求1所述的方法，其特征在于，根据所述受污染水域的气味信息确定所述污染源的类型包括：
通过气体探测技术确定所述受污染水域的气味信息，
其中，所述气体探测技术包括以下至少之一：光学法、传感器分析法、气体探测管法、遥感探测、激光吸收光谱。
6.根据权利要求1所述的方法，其特征在于，获取所述污染源的当前运行状态以及历史变化情况包括：
判断所述受污染水域在预设时间内是否存在所述污染源；
若是，则确定所述污染源的污染发生时间、污染源参数、治理方式以及环境状态；
若否，则确定所述受污染水域的预设距离范围内的居民环境变化状况。
7.根据权利要求1所述的方法，其特征在于，根据所述污染源的分布范围、类型、当前运行状态对所述污染源进行诊断包括：
通过同位素溯源技术对所述污染源进行诊断，
其中，所述同位素溯源技术包括以下至少之一：同位素溯源、线粒体溯源、光谱指纹信息识别法。
8.根据权利要求1所述的方法，其特征在于，根据所述污染源的分布范围、类型、当前运行状态对所述污染源进行诊断包括：
通过实际调查法对所述污染源模型中的污染源进行诊断，
其中，所述实际调查法包括以下至少之一：污染源调查法、排污系数法。
9.一种污染源精准诊断装置，其特征在于，包括：
第一确定单元，用于根据受污染水域的图像确定所述受污染水域的污染源的分布范围；
第二确定单元，用于根据所述受污染水域的气味信息确定所述污染源的类型；
获取单元，用于获取所述污染源的当前运行状态以及历史变化情况；
诊断单元，用于根据所述污染源的分布范围、类型、当前运行状态以及历史变化情况对所述污染源进行诊断。
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行所述权利要求1至8任一项中所述的污染源精准诊断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910480740.2A CN110376343B (zh) | 2019-06-04 | 2019-06-04 | 污染源精准诊断方法、装置以及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910480740.2A CN110376343B (zh) | 2019-06-04 | 2019-06-04 | 污染源精准诊断方法、装置以及电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110376343A true CN110376343A (zh) | 2019-10-25 |
| CN110376343B CN110376343B (zh) | 2021-03-23 |
Family
ID=68249725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910480740.2A Active CN110376343B (zh) | 2019-06-04 | 2019-06-04 | 污染源精准诊断方法、装置以及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110376343B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111091082A (zh) * | 2019-12-09 | 2020-05-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
| CN111272960A (zh) * | 2020-02-20 | 2020-06-12 | 中国环境科学研究院 | 一种同位素和测年相结合的浅层地下水硝酸盐源解析方法 |
| CN112069999A (zh) * | 2020-09-07 | 2020-12-11 | 广东生太修复科技有限公司 | 智能黑臭水处理方法及相关装置 |
| CN112903660A (zh) * | 2021-03-11 | 2021-06-04 | 广西大学 | 一种判别流域水体污染现状和污染来源的方法 |
| CN113139015A (zh) * | 2021-04-16 | 2021-07-20 | 广州大学 | 生活垃圾能量空间分布信息处理方法、系统、装置和介质 |
| CN113220015A (zh) * | 2021-04-08 | 2021-08-06 | 生态环境部华南环境科学研究所 | 一种利用光学和红外热成像进行排查、监管排污口的方法 |
| CN113588650A (zh) * | 2021-09-30 | 2021-11-02 | 武汉市中卫寰宇医疗系统工程有限公司 | 医用污水净化监测系统 |
| CN115327150A (zh) * | 2022-10-13 | 2022-11-11 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种控制调节系统和方法 |
| CN115424143A (zh) * | 2022-08-29 | 2022-12-02 | 南方海洋科学与工程广东省实验室(广州) | 水源污染溯源方法、装置、存储介质和计算机设备 |
| CN115561415A (zh) * | 2022-09-15 | 2023-01-03 | 西安御风云想网络科技有限公司 | 一种基于大数据的水环境污染监控分析系统及方法 |
| CN117171675A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 基于多源数据的水环境微生物检测方法、系统及介质 |
| CN117911054A (zh) * | 2024-03-15 | 2024-04-19 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种黑臭水体底泥污染物溯源识别方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130121313A (ko) * | 2012-04-27 | 2013-11-06 | (주)웹솔루스 | 배출원데이터를 이용한 오염원 추적시스템 |
| WO2017115053A1 (fr) * | 2015-12-31 | 2017-07-06 | Engie | Procédé et dispositif de localisation rapide et in-situ de source de polluant en environnement intérieur |
| CN108008099A (zh) * | 2017-11-01 | 2018-05-08 | 佛山科学技术学院 | 一种污染源定位方法 |
| CN108760913A (zh) * | 2018-05-21 | 2018-11-06 | 天津市环境保护科学研究院 | 一种大气恶臭污染溯源系统及应用 |
| CN108760912A (zh) * | 2018-05-21 | 2018-11-06 | 天津市环境保护科学研究院 | 一种基于恶臭指纹图谱的恶臭污染溯源方法及应用 |
| JP2019002913A (ja) * | 2017-06-16 | 2019-01-10 | インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ | 動的ペアリングおよび比較に基づく大気汚染源認識 |
| CN109580599A (zh) * | 2018-11-22 | 2019-04-05 | 鲁东大学 | 面向物联网的水产品养殖环境测控系统和测控方法 |
| CN109814549A (zh) * | 2018-12-29 | 2019-05-28 | 北京英视睿达科技有限公司 | 一种确定污染源位置的方法、装置和系统 |
-
2019
- 2019-06-04 CN CN201910480740.2A patent/CN110376343B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130121313A (ko) * | 2012-04-27 | 2013-11-06 | (주)웹솔루스 | 배출원데이터를 이용한 오염원 추적시스템 |
| WO2017115053A1 (fr) * | 2015-12-31 | 2017-07-06 | Engie | Procédé et dispositif de localisation rapide et in-situ de source de polluant en environnement intérieur |
| JP2019002913A (ja) * | 2017-06-16 | 2019-01-10 | インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ | 動的ペアリングおよび比較に基づく大気汚染源認識 |
| CN108008099A (zh) * | 2017-11-01 | 2018-05-08 | 佛山科学技术学院 | 一种污染源定位方法 |
| CN108760913A (zh) * | 2018-05-21 | 2018-11-06 | 天津市环境保护科学研究院 | 一种大气恶臭污染溯源系统及应用 |
| CN108760912A (zh) * | 2018-05-21 | 2018-11-06 | 天津市环境保护科学研究院 | 一种基于恶臭指纹图谱的恶臭污染溯源方法及应用 |
| CN109580599A (zh) * | 2018-11-22 | 2019-04-05 | 鲁东大学 | 面向物联网的水产品养殖环境测控系统和测控方法 |
| CN109814549A (zh) * | 2018-12-29 | 2019-05-28 | 北京英视睿达科技有限公司 | 一种确定污染源位置的方法、装置和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 任文伟等: "《城市化与水资源保护 平原河网地区土地利用、覆盖变化对水环境的影响研究》", 31 December 2012 * |
| 天津市环境保护局: "《城市生态系统与污染综合防治》", 31 October 1988 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111091082B (zh) * | 2019-12-09 | 2023-08-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
| CN111091082A (zh) * | 2019-12-09 | 2020-05-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
| CN111272960A (zh) * | 2020-02-20 | 2020-06-12 | 中国环境科学研究院 | 一种同位素和测年相结合的浅层地下水硝酸盐源解析方法 |
| CN112069999A (zh) * | 2020-09-07 | 2020-12-11 | 广东生太修复科技有限公司 | 智能黑臭水处理方法及相关装置 |
| CN112903660A (zh) * | 2021-03-11 | 2021-06-04 | 广西大学 | 一种判别流域水体污染现状和污染来源的方法 |
| CN113220015A (zh) * | 2021-04-08 | 2021-08-06 | 生态环境部华南环境科学研究所 | 一种利用光学和红外热成像进行排查、监管排污口的方法 |
| CN113139015A (zh) * | 2021-04-16 | 2021-07-20 | 广州大学 | 生活垃圾能量空间分布信息处理方法、系统、装置和介质 |
| CN113139015B (zh) * | 2021-04-16 | 2024-03-22 | 广州大学 | 生活垃圾能量空间分布信息处理方法、系统、装置和介质 |
| CN113588650A (zh) * | 2021-09-30 | 2021-11-02 | 武汉市中卫寰宇医疗系统工程有限公司 | 医用污水净化监测系统 |
| CN115424143A (zh) * | 2022-08-29 | 2022-12-02 | 南方海洋科学与工程广东省实验室(广州) | 水源污染溯源方法、装置、存储介质和计算机设备 |
| CN115424143B (zh) * | 2022-08-29 | 2024-05-28 | 南方海洋科学与工程广东省实验室(广州) | 水源污染溯源方法、装置、存储介质和计算机设备 |
| CN115561415A (zh) * | 2022-09-15 | 2023-01-03 | 西安御风云想网络科技有限公司 | 一种基于大数据的水环境污染监控分析系统及方法 |
| CN115561415B (zh) * | 2022-09-15 | 2023-12-22 | 西安御风云想网络科技有限公司 | 一种基于大数据的水环境污染监控分析系统及方法 |
| CN115327150B (zh) * | 2022-10-13 | 2023-01-31 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种控制调节系统和方法 |
| CN115327150A (zh) * | 2022-10-13 | 2022-11-11 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种控制调节系统和方法 |
| CN117171675A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 基于多源数据的水环境微生物检测方法、系统及介质 |
| CN117171675B (zh) * | 2023-11-02 | 2024-01-12 | 北京建工环境修复股份有限公司 | 基于多源数据的水环境微生物检测方法、系统及介质 |
| CN117911054A (zh) * | 2024-03-15 | 2024-04-19 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种黑臭水体底泥污染物溯源识别方法 |
| CN117911054B (zh) * | 2024-03-15 | 2024-06-07 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种黑臭水体底泥污染物溯源识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110376343B (zh) | 2021-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110376343A (zh) | 污染源精准诊断方法、装置以及电子装置 | |
| Strobl et al. | Network design for water quality monitoring of surface freshwaters: A review | |
| Wolf et al. | Impact of leaky sewers on groundwater quality | |
| Irvine et al. | Illicit discharge detection and elimination: Low cost options for source identification and trackdown in stormwater systems | |
| Bennion et al. | A comparison of diatom phosphorus transfer functions and export coefficient models as tools for reconstructing lake nutrient histories | |
| Muenich et al. | The Wabash sampling blitz: a study on the effectiveness of citizen science | |
| Hubler et al. | The Biological Sediment Tolerance Index: Assessing fine sediments conditions in Oregon streams using macroinvertebrates | |
| O’Donoghue et al. | The spatial impact of rural economic change on river water quality | |
| Gao et al. | Water quality pollution assessment and source apportionment of lake wetlands: A case study of Xianghai Lake in the Northeast China Plain | |
| Fox et al. | Physical characteristics of microplastic particles and potential for global atmospheric transport: A meta-analysis | |
| Zhang et al. | Initial ecological restoration assessment of an urban river in the subtropical region in China | |
| Liu et al. | Improved method for benthic ecosystem health assessment by integrating chemical indexes into multiple biological indicator species—A case study of the Baiyangdian Lake, China | |
| Çelekli et al. | Fuzzy logic as a novel approach to predict biological condition gradient of various streams in Ceyhan River Basin (Turkey) | |
| Baltacı et al. | Water quality monitoring studies of Turkey with present and probable future constraints and opportunities | |
| CN114324797B (zh) | 一种煤矿地下水库的矿井水水质安全评价方法 | |
| Ao et al. | Advancing illicit connection diagnosis of urban stormwater pipes: Comprehensive analysis with EEM fluorescence spectroscopy | |
| Goldman et al. | Distrbuted Sensing Systems for Water Quality Assesment and Management | |
| Lal et al. | Low-cost IoT based system for lake water quality monitoring | |
| Lubos et al. | Extent of Escherichia coli contamination of Cagayan de Oro river and factors causing contamination: a translational research in Southern Philippines | |
| Suslovaite | Development of a risk based approach to surface water abstraction | |
| Cambruzzi et al. | A dynamic geomonitoring system for Venetian coastal ecosystem: WATERS project | |
| Ayivi | Impact of Land-Use Land-Cover Change on Stream Water Quality in the Reedy Fork-Buffalo Creek Watershed, North Carolina: A Spatiotemporal Analysis | |
| McLellan et al. | Universal microbial indicators provide surveillance of sewage contamination in harbours worldwide | |
| Butzler et al. | Evaluating a low-cost method for identifying areas with failing septic systems in low-order watersheds | |
| Stadler | Rapid on-site determination of enzymatic activity in water resources: From the technical assessment towards new perspectives in water quality monitoring. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |